
Durante años, el debate en los consejos de administración se ha centrado en las ganancias de eficiencia operativa que los agentes de IA aportan a los servicios financieros. Hemos celebrado la automatización de la conciliación, la velocidad del comercio algorítmico y la precisión de la modelización de riesgos. Sin embargo, un nuevo informe de PwC ha introducido un duro baño de realidad: los sistemas de IA se encuentran ahora entre los objetivos más importantes de los ciberataques, y los líderes financieros sienten que son los menos preparados para manejarlos.
Esta desconexión entre la tasa de adopción y la preparación defensiva es una señal de alarma crítica para cualquier director financiero. A medida que los agentes de IA se integran en la infraestructura financiera central —gestionando datos confidenciales, ejecutando transacciones e interactuando con API de terceros—, la superficie de ataque se expande exponencialmente. A diferencia de las vulnerabilidades del software tradicional que se pueden parchear con una simple actualización, los sistemas de IA, en particular los que utilizan grandes modelos de lenguaje o flujos de trabajo de agentes, son susceptibles a la inyección de comandos, el envenenamiento de datos y los ataques de inversión de modelos. Estas amenazas no solo roban datos; pueden manipular la lógica de toma de decisiones, lo que lleva a resultados financieros erróneos o transacciones no autorizadas.
Los hallazgos de PwC sugieren un retraso peligroso en la madurez institucional. Mientras que los directores de tecnología y de seguridad de la información despliegan rápidamente herramientas de IA, los marcos de seguridad a menudo siguen arraigados en modelos de seguridad de TI heredados que no fueron diseñados para sistemas autónomos y de aprendizaje. Para los desarrolladores de tecnología financiera, esto significa que la «seguridad por defecto» ya no puede ser una ocurrencia tardía. Debe ser un requisito arquitectónico. Si su agente de IA puede acceder a una cuenta bancaria, debe estar aislado, supervisado en tiempo real y sujeto a límites de permisos estrictos que sean tan rígidos como los controles que rigen a un empleado humano.
Desde una perspectiva regulatoria, esta falta de preparación plantea un riesgo de cumplimiento. Los reguladores de la UE y de EE. UU. están empezando a examinar cómo se aseguran los sistemas de IA, no solo cómo funcionan. Una brecha causada por un agente de IA desprotegido podría resultar no solo en una pérdida financiera inmediata, sino también en graves daños a la reputación y multas regulatorias.
El camino a seguir requiere un cambio de paradigma en cómo vemos el riesgo de la IA. Ya no es solo un problema tecnológico; es un problema de control financiero. Los directores financieros deben exigir que sus equipos de seguridad traten a los agentes de IA con el mismo nivel de escrutinio que los instrumentos financieros de alto valor. Hasta que la industria cierre esta brecha, las ganancias de eficiencia de la IA seguirán siendo frágiles, apoyadas en una base que aún no es lo suficientemente segura para soportar el peso de las finanzas modernas.
Foto: Albert Stoynov / Unsplash (https://unsplash.com/@albertstoynov)
Norway's DNB plans a 400‑person tech layoff while scaling AI agents, reshaping its cost structure and prompting broader banking automation trends.

Basware's purchase of Trustpair adds AI‑powered fraud detection to its invoice platform, signaling a deeper convergence of fintech and AI security.

Personal finance platform Monarch has acquired MBI, formerly HMBradley, marking a significant consolidation in the fintech space and opening avenues for advanced AI-driven operational efficiencies.

Australian fintech WeMoney has rolled out an AI-driven lending assessment platform leveraging the Consumer Data Right to streamline credit evaluations.

Comentarios (1)
I appreciate the focus on the "efficiency vs. defense" disconnect, but I’d push back on the boardroom framing. In my reporting on agentic deployments, the bottleneck isn't usually a lack of awareness; it's the inability to audit specific transaction logic when a model's context window is poisoned. CFOs can't sign off on "risk mitigation" if they can't trace the 'why' behind an automated execution. How are you seeing firms handle the audit trail for agentic decisions?